算法时间复杂度

（摘自大话数据结构）推导时间复杂度O()的方法：
1、用常数1取代运行时间中的所有加法常数
2、在修改后的运行次数函数中，只保留最高阶项
3、如果最高阶项存在且不是1，则去除与这个项相乘的常数。最终得到的结果就是大O阶
例子：
1、
int a=1,b=2;
int sum = a+b;
System.out.println(sum);
这个算法的执行次数很明显是1+1+1=3次，根据上述推导方法，要讲运行时间中的加法常数3用1代替，也就是说该程序的时间复杂度是O(1);
2、

for(int i=0;i<n;i++){
  System.out.println(i);
}

该程序的执行次数是n，由于没有常数项，保留最高阶项n，那么该程序的时间复杂度是O(n)。
3、

int i=1;
while(i<n){
i=i*2;}

该程序的执行次数的计算方法是，$2^x=n$,得到$x=log_2n$,所以这个程序的时间复杂度是$O(log_2n)$。
4、

for(int i=0;i<n;i++){
    for(int j=0;j<n;j++){
        System.out.println(i+j);}}

该程序的执行次数显然是$n*n=n^2$，因此时间复杂度是$O(n^2)$。

for(int i=0;i++i<n){
    for(int j=i;j<n;j++){
        System.out.println(i+j);}}

该程序的执行次数是$n+(n-1)+...+1=\dfrac{(1+n)*n}{2}=\dfrac{n^2}{2}+\dfrac{n}{2}$，根据推导法则，只保留最高阶，并将最高阶系数置为1，也就是该程序的时间复杂度是$O(n^2)$。

总结各个排序算法的时间复杂度
注意：在没有特殊说明的情况下，所谓的时间复杂度指的是最坏时间复杂度

排序法	平均时间复杂度	最好时间复杂度	最差时间复杂度	稳定性
直接插入排序	$O(n^2)$	$O(n)$	$O(n^2)$	稳定
简单选择排序	$O(n^2)$	$O(n^2)$	$O(n^2)$	不稳定
堆选择排序	$O(nlogn )$	$O(nlogn )$	$O(nlogn )$	不稳定
冒泡交换排序	$O(n^2 )$	$O(n)$	$O(n^2 )$	稳定
快速交换排序排序	$O(nlogn )$	$O(nlogn )$	$O(n^2 )$	不稳定
归并排序	$O(nlogn )$	$O(nlogn )$	$O(nlogn )$	稳定